به کارگیری تبدیل موجک تصویر برای درجه بندی کیفی چای سبز به کمک الگوریتم های فراابتکاری

این مطالعه با هدف بررسی بهترین مشخصه های استخراج شده از تصاویر برای تعیین بهترین روش طبقه بندی کیفی چای سبز توسط الگوریتم های فراابتکاری انجام شد. 5 طبقه مختلف چای سبز مطابق با استاندارد سازمان ملی استاندارد ایران ارزیابی شدند. پس از دریافت تصاویر گروه های مختلف چای سبز در رایانه، تعداد 6 بلوک تصویر مربعی از هرکدام از تصاویر رنگی اولیه جدا شدند. این بلوک های تصویر از حالت RGB به تصاویر سطح خاکستری تبدیل شدند. فیلتر موجک گسسته هار سطح اول روی تصاویر خاکستری اعمال شد و 4 زیرتصویر موجکی استخراج شدند. ماتریس های هم رخداد برای هرکدام از تصاویر زیرباند موجک محاسبه شدند و 17 ویژگی بافتی پرکاربرد در مطالعه های بافتی تصویر، از تصاویر زیرباندها استخراج شدند (مجموعا 68 ویژگی بافتی برای هر بلوک تصویر). با استفاده از آنالیز مولفه های اصلی، تعداد 8 ترکیب ویژگی از ویژگی های اولیه تولید شدند و برای جداسازی 5 گروه چای سبز استفاده شدند. نتایج نشان داد که الگوریتم هایی از شبکه های عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم، قادر به طبقه بندی کیفی چای سبز با دقت بالایی بودند. درحالی که شبکه بیزین عملکرد قابل قبولی نداشت. باتوجه به آماره های ارزیابی، شبکه های عصبی مصنوعی پرسپترون چندلایه (با مقادیر آماره کاپا، ریشه میانگین مربعات خطا و دقت طبقه بندی به ترتیب برابر با 0/9901، 0/420 و 99/17 درصد) به عنوان بهترین طبقه بندی انتخاب شد. براساس نتایج این پژوهش، استفاده از ماشین بینایی و ویژگی های بافتی مستخرج از زیرباندهای موجک تصاویر، روش مناسبی برای طبقه بندی کیفی چای سبز می باشد.